企业群体行为变化的定性模拟研究，本文主要内容关键词为：群体论文,企业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
复杂系统是由众多非线性子系统组合而成的非结构化系统，具有与外界环境相联系的多层次、多目标的开放性和彼此间的强耦合性特征，其中任何一个子系统发生变化都可能对其它子系统产生影响[1]。对复杂系统的研究，要针对自然界、社会经济以及组织、管理、思维、认知等各种复杂现象，寻求描述、理解、分析、归纳和控制的理论与方法[2]。由于复杂现象广泛存在于许多学科领域中，如物理学、生物学、医学、管理科学和社会科学等，因而复杂性科学就成为最受关注的新兴交叉学科之一[3]。
人类对周围复杂世界进行推理时，大部分都是采用定性的方法。而定性模拟是以非数字手段处理信息输入、建模、行为分析和结果输出等模拟环节，通过定性建模推导系统的定性行为。相对于传统的数字模拟而言，定性模拟技术在处理不完备知识和深层知识以及决策等方面具有独到的长处，因此，它在社会科学、人文科学和经济领域等复杂管理系统的研究中占有重要的地位[4，5]。
法国学者A.Chawki Osseiran[6] 提出了一个特别的应用系统——符号贝叶斯网络系统(SYBANES)，这个系统可以被看成定性信息和贝叶斯网络之间的联接。它通过有限的不确定程度，使用符号概率理论和符号微积分来操纵贝叶斯网络中的信息。荷兰的Paulo Salles等[7] 建立了在社区中人与人之间交互的定性模型系统，并使用定性仿真在交互式认知环境中表示生态学知识，该定性仿真模型系统可以对人们交互时最平常的行为进行预测。德国的Juan Flores等[8] 使用一种方法学，用尽可能有用的知识来进行经济分析。这种方法学来自定性仿真领域，采用图论和信息结构的一些算法，以及传统的间隔计算数学，以完成不确定条件下的操作，从而决定一个投资项目是否可以获利。黄梯云等[9] 分析了智能决策支持系统(IDSS)在高层决策中存在的不足，提出了应用从定性到定量集成的递阶分解方法，探讨了将人工智能领域发展起来的定性推理理论集成到IDSS中的体系结构，并介绍了智能问题处理功能模块的流程。龚晓光等[10] 研究了一种适用于行为激励系统的基于过程知识库的定性模拟方法，建立了过程性综合定性模拟模型。通过该方法研究了不同的激励策略对行为激励系统的影响，表明只有不断采取新措施使奖励价值与工作绩效变化方向相同，才能使行为激励系统进入良性循环。但由于采用的是全局模拟，只能模拟几个阶段，否则会产生大量的冗余行为，出现组合爆炸。笔者根据组织行为学和人力资源管理等方面的知识，构建了一个团队群体行为激励的动力模型，并参考Kuipers定性模拟算法的思路(简称QSIM算法，即qualitative simulation)，设计了一种定性模拟方法。针对一个例子，给出了模型的知识表示方法、算法步骤，进行了定性模拟[11]。但该模型选取的因素较少，也没有考虑人群行为的波动性，只是进行了简单的手工推理，中间数据少，缺乏说服力。
本文将定性模拟技术应用于企业群体行为变化的研究中，结合专家知识和概率分布设计模拟规则，以VB为编程工具，对一个群体工作过程的系统动力学模型进行了模拟。模拟结果比较符合实际，表明这一方法可以为群体行为的研究提供一个系统化的实验工具。
1 群体工作过程的系统动力学模型
在企业中工作的群体，是指为了达到共同目标，由个人组成的，能够直接接触、相互依赖、相互影响的人群结构。在群体中，通过激发全体成员的创造潜力，将个人的创新思想进行有效融合，充分利用他们的知识技能，可以打破传统职能部门的界限，在更大程度上发挥沟通和协调作用，更有利于企业的创新[12]。影响企业群体行为的因素是多种多样的，从群体内部特点来看，包括群体成员的个人特点、成员的构成及相互关系，群体规模，群体凝聚力，群体领导，外部环境，等等；从群体的外部环境条件来看，主要包括组织战略、权力结构、正式规范、组织资源、绩效评估、组织文化、物理工作环境等[13，14]。工作群体是有结构的，不是无序的。群体结构塑造着群体成员的行为，使人们有可能解释和预测群体内部大部分的个体行为以及群体行为，进而对群体的绩效进行预测。
本文在上述研究的基础上，构建了一个群体工作过程的动力学模型(见图1)。构建这一模型，一方面可以将群体工作行为及主要影响因素之间的复杂作用关系表达出来；另一方面可以通过图中的因果关系明确行为的变化规则和途径，以便将计算机和定性模拟技术引入其中。考察群体工作过程主要涉及2个方面：一是群体中的人际关系；二是群体任务进展情况。群体在工作中总会出现矛盾，群体领导对人际矛盾进行调解，可以降低人际冲突。这些因素会导致人际和谐的变化，进而对群体凝聚力产生直接影响。而群体凝聚力又会对迟到缺勤和群体功效感产生影响。较高的迟到缺勤率往往会导致离群倾向的增加。群体功效感受群体凝聚力和工作满意度的影响。群体功效感的变化会导致群体工作努力程度的变化。包括工作努力程度在内，工作干扰、组织对群体工作的支持共同推动工作任务的进展，而任务进展状态又会影响迟到缺勤和工作满意度，工作满意度反过来又影响迟到缺勤和群体的功效感。
2 模拟方法及步骤
作为有人参与的复杂管理系统，在其管理对象内部存在大量的正负反馈作用以及不确定性，需要根据经验规则、专家知识、模糊关系等定性描述手段建立模拟规则。本文根据QSIM算法的思路，结合群体行为变化的特点，针对上述模型设计了模拟方法和步骤。
2.1 变量设置
本文设置3类变量：
(1)环境变量 人际干扰和工作干扰是环境变量，由群体及其所处的环境决定，可以取｛0，1，2｝中的任何一个：“0”表示无干扰；“1”表示低强度干扰；“2”表示高强度干扰。
(2)决策变量 调解和支持是决策变量，由群体领导的风格和企业对群体的管理策略来确定，可以取｛0，1，2｝中的任何一个：“0”表示无调解或支持；“1”表示低强度调解或支持；“2”表示高强度调解或支持。
(3)状态变量 人际和谐、群体凝聚力、迟到缺勤、离群倾向、群体功效感、工作努力、任务进展、工作满意度是状态变量。状态变量用二元组QS〈qval,qdir〉表示：①qval表示变量的定性值。由于人们习惯将定性值划分为有限的几个等级，所以本文不考虑I转换和P转换的区别，统一将定性值分为｛1，2，3，4，5｝，从1到5分别表示很低、低、中等、高、很高，这是与QSIM算法不同之处。②qdir表示变量的变化方向，可以取｛↓，
，→，
，↑｝中的任何一个，从↓到↑分别表示强减、弱减、不变、弱加、强加。
2.2 模拟规则
图1中模型表达的是变量间的定性影响关系，没有数学公式，需要根据变量间的相互作用关系设定模拟的规则，包括变量之间的作用方向和作用程度，多个变量如何同时对某一个变量产生影响，以及变量受作用之后如何变化，等等。
规则1 环境变量和决策变量由环境特点和领导风格确定，但具体取值是随机分布的。例如，如果群体领导对人际和谐是非常重视的，则他在9个阶段中调解强度的平均值应该接近于“2”，但在每一阶段的调解强度是按照约定的分布产生的。例如，70％的可能为“2”，20％的可能为“1”，10％的可能为“0”，平均强度为“1.6”，接近于“2”。
规则2 状态变量的定性值不能发生跳跃，只能连续变化。例如，当前某个变量的值是“3”，下一步的可能取值是“2”或者“4”，不能取“1”或者“5”。变量的变化方向可以发生跃变，例如从↓变成。
规则3 模拟从变量人际和谐开始，沿着箭头方向向后推导，到变量离群倾向为止完成一个阶段的模拟。各变量将在其它变量的作用下按照一定的规则变化。
规则4 受两个因素作用的状态变量，要按照一定的规则确定其所受的综合作用，而后将所受作用和变量的当前状态代入指定的转换规则表进行推理，确定下一阶段的可能状态变化。例如，推导人际和谐的变化，先通过随机数确定人际干扰和调解的程度，而后根据附表确定它们对人际和谐的综合影响，再将综合影响和变量的当前状态代入通用转换规则表进行推理，确定下一阶段的可能状态。
规则5 受多个因素作用的状态变量，要按照一定的规则依次进行推导。如任务进展的变化，先确定工作干扰和支持的共同作用，再根据这一共同作用和工作努力的作用确定其所受的综合作用，而后将所受综合作用和变量的当前状态带入指定的转换规则表进行推理，确定下一阶段的可能状态。
规则6 只受一个因素作用的变量，作用因素的变化方向即是该变量所受作用的方向，将所受作用和变量的当前状态带入通用转换规则表进行推理，确定下一阶段的可能状态。
规则7 通用转换规则分为A、B两类，A类是针对群体积极行为以及对其产生正面影响的因素设定的，B类是针对群体消极行为设定的。这两类变量的转换是有区别的。例如，工作满意度为〈2，→〉，未受到其它因素的影响，则其下阶段的可能取值是〈2，〉，而迟到缺勤为〈2，→〉时，未受到其它因素的影响，则其下阶段的可能取值仍然是〈2，→〉。因为从人的心理特点来说，如果满意度很低又不采取措施，那么它会变得更低。而如果是迟到缺勤很低而不受其它影响，那么它会基本保持。
规则8 在通用转换规则表中，箭尾是变量的当前状态，箭头所指为可能的后续状态，箭头上的符号表示所受作用的方向。如果某个变量有多个可能的后续状态，可以根据相关常识或专家知识确定各后续状态出现的概率。例如，状态〈4，↑〉，受↓作用，后续状态有〈4，→〉与〈4，〉两种可能。如果认为两种可能是等同的，则二者发生的概率都为50％；如果认为前者的可能性大一些，则设定前者为60％，后者为40％，或者是前者为70％，后者为30％。具体取值是根据经验、常识或专家知识来设定的，但数值上的微小差异一般不会引起模拟结果的显著差异。
2.3 模拟步骤与流程图
模拟分6步进行：
(1)变量初始化。先由用户给出群体当前各状态变量的初始值，而后根据规则1确定环境变量和决策变量的平均取值，再设定模拟阶段数和模拟次数。
(2)置当前模拟次数为1，模拟阶段数为2。
(3)如果本次模拟阶段数已经完成，则转向步骤(5)。否则，从人际干扰开始，到离群倾向结束，根据规则2～规则8逐个向后推导各变量的后续状态，完成一个阶段的模拟，将中间结果导入结果数据表中，并将模拟阶段数加1。
(4)重复步骤(3)。
(5)如果模拟次数已经完成，则停止模拟，转向步骤(6)。否则，模拟次数加1，并置当前模拟阶段数为2，转向步骤(3)。
(6)从结果数据表中调出模拟结果进行统计分析，打印结果，最后退出模拟程序。
模拟流程图见图2。
3 模拟实例
为研究群体工作行为的变化过程，本文根据上面设定的规则，采用VB进行编程并实现模拟。模拟将各变量的初始状态作为输入，将各变量的可能后续状态作为输出，考察不同状态的群体在不同的环境和管理策略作用下的变化过程，其中主要是考察群体工作努力与迟到缺勤两种行为的变化。
3.1 一般群体的自然变化
假设群体的初始状态一般，人际环境和工作环境都比较稳定，群体领导和企业对群体采取低干预策略。变量的初始值为人际和谐=〈3，→〉，群体凝聚力=〈3，→〉，群体功效感=〈3，→〉，工作努力=〈3，→〉，任务进展=〈3，→〉，工作满意度=〈3，→〉，迟到缺勤=〈3，→〉，离群倾向=〈2，→〉，人际干扰为低，调解为低，工作干扰为低，支持为低。
模拟结果见表1和表2。表1是模拟的部分中间结果，表2是模拟结果的统计，其中，状态变量取值的统计是按照定性值来计算的。例如，“取值1”表示状态的定性值是“1”，不论其变化方向是什么。人际干扰、调解、工作干扰、支持是500次9个阶段的总体平均值。
表2 一般群体模拟的结果统计
工作努力在各阶段的可能取值分布
阶段 取值1 比例/％ 取值2 比例/％ 取值3 比例/％ 取值4 比例/％ 取值5 比例/％
2 1 0.0 2 0.0
3100.0 4 0.0
5 0.0
3 1 0.0 2 2.6
3 91.8 4 5.6
5 0.0
4 1 1.8 2 5.6
3 80.0 412.0
5 0.6
5 1 4.8 2 8.0
3 68.2 416.8
5 2.2
6 1 10.4 2 5.6
3 59.4 418.8
5 5.8
7 1 13.6 2 6.3
3 52.3 417.2
510.6
8 1 18.0 2 5.0
3 48.2 414.8
514.0
9 1 21.0 2 5.4
3 43.4 412.2
518.0
10 1 24.6 2 6.0
3 38.5 410.5
520.4
迟到缺勤在各阶段的可能取值分布
阶段 取值1 比例/％ 取值2 比例/％ 取值3 比例/％ 取值4 比例/％ 取值5 比例/％
2 1 0.0 2 7.0
3 93.0 4 0.0
5 0.0
3 1 6.3 2 7.8
3 79.8 4 6.0
5 0.1
4 1 10.6 212.5
3 65.6 4 7.0
5 4.3
5 1 15.2 213.6
3 55.4 4 5.8
510.0
6 1 19.4 215.0
3 47.6 4 4.0
514.0
7 1 24.0 213.4
3 41.8 4 3.8
517.0
8 1 26.8 211.0
3 38.8 4 3.4
520.0
9 1 29.8 211.2
3 32.0 4 4.6
522.4
10 1 30.9 210.7
3 26.8 4 5.4
526.2
平均人际干扰0.7004平均人际调解0.7342平均工作干扰0.7308平均工作支持0.7626
从结果来看，群体的工作努力和迟到缺勤会逐渐向两极分化。这就是说，一个各方面都一般的群体，如果它所处的环境比较稳定，即没有太多干扰，也没有太多支持，那么群体可能会向差的方向发展，导致其工作努力降到很低，也可能向好的方向发展，导致工作努力升到很高，但这两种变化都比较平衡和缓慢。与之相对应，群体的迟到缺勤也会逐渐向两极分化。
3.2 较差群体在高干预策略下的变化
假设群体的初始状态较差，人际环境和工作环境都较低，群体领导和企业对群体采取高干预策略。变量的初始值为人际和谐=〈2，→〉，群体凝聚力=〈2，→〉，群体功效感=〈2，→〉，工作努力=〈2，→〉，任务进展=〈2，→〉，工作满意度=〈2，→〉，迟到缺勤=〈4，→〉，离群倾向=〈3，↑〉，人际干扰为低，调解为高，工作干扰为低，支持为高。
模拟结果见表3。从结果来看，群体会迅速朝着两极方向变化。这就是说，一个各方面都较差的群体，如果它所处的人际环境和工作环境都比较稳定，而群体领导和企业都采取高干预策略，那么一方面群体的工作努力会迅速向差的方向发展，导致其工作努力很快降到很低；另一方面也可能向好的方向发展，导致工作努力升到很高，但这种变化速度比前者慢。这就是说，在环境比较稳定的情况下，一个各方面都较差的群体，即使采取积极措施促使它发展，某些情况下仍无法阻止其继续恶化，某些情况下也可能稳步改善。与之相对应，群体的迟到缺勤也会迅速向两极发展。
表3 较差群体模拟的结果统计
工作努力在各阶段的可能取值分布
阶段 取值1 比例/％ 取值2 比例/％ 取值3 比例/％ 取值4 比例/％ 取值5 比例/％
2 1 0.0 2 100
3 0.0 4 0.0
5 0.0
3 1 39.8 2 1.0
3 59.2 4 0.0
5 0.0
4 1 40.0 2 0.3
3 15.4 444.2
5 0.1
5 1 40.2 2 0.1
3 8.8 443.4
5 7.5
6 1 40.2 2 0.1
3 9.4 429.8
520.5
7 1 40.2 2 1.0
3 9.4 414.2
535.2
8 1 40.8 2 1.2
3 7.4 4 7.4
543.2
9 1 40.8 2 2.2
3 5.0 4 5.0
547.0
10 1 41.8 2 1.0
3 3.8 4 5.2
548.2
续表3
迟到缺勤在各阶段的可能取值分布
阶段 取值1 比例/％ 取值2 比例/％ 取值3 比例/％ 取值4 比例/％ 取值5 比例/％
2 1 0.0 2 0.0
3 59.4 422.0
518.6
3 1 0.0 251.6
3 7.8 4 1.5
539.1
4 1 46.6 211.8
3 1.5 4 0.6
539.5
5 1 53.4 2 5.4
3 1.0 4 0.3
539.9
6 1 56.4 2 2.4
3 1.0 4 0.3
539.9
7 1 56.4 2 2.4
3 0.6 4 0.6
540.0
8 1 56.4 2 2.0
3 0.7 4 0.3
540.6
9 1 57.0 2 1.4
3 0.3 4 0.6
540.7
10 1 57.1 2 1.0
3 0.4 4 0.6
540.9
平均人际干扰0.834平均人际调解1.3704平均工作干扰0.8088平均工作支持1.3697
3.3 较好群体在低干预策略下的变化
假设群体的初始状态较好，人际环境和工作环境都比较稳定，群体领导和企业对群体采取低干预策略，但强度略低于干扰。变量的初始值为人际和谐=〈4，→〉，群体凝聚力=〈4，→〉，群体功效感=〈4，→〉，工作努力=〈4，→〉任务进展=〈4，→〉，工作满意度=〈4，→〉，迟到缺勤=〈2，〉，离群倾向=〈2，↓〉，人际干扰为低，调解为低，工作干扰为低，支持为低。
模拟结果见表4。从结果来看，群体会逐渐向差的方向发展。这就是说，一个状态较好的群体，尽管环境的干扰不大，但如果支持的力度不够，群体仍会迅速向差的方向发展，导致其工作努力降到很低，迟到缺勤很高。
表4 较好群体模拟的结果统计
工作努力在各阶段的可能取值分布
阶段 取值1 比例/％ 取值2 比例/％ 取值3 比例/％ 取值4 比例/％ 取值5 比例/％
2 1 0.0 2 0.0 3 0.0 4 100 5 0.0
3 1 0.0 2 0.0 3 43.8 4 55.2 5 1.0
4 1 0.0 2 2.2 3 70.6 4 25.0 5 2.2
5 1 2.2 2 16.4 3 67.6 4 9.8 5 4.0
6 1 10.4 2 34.4 3 44.4 4 6.0 5 4.8
7 1 35.8 2 29.8 3 24.8 4 4.8 5 4.8
8 1 60.4 2 14.8 3 14.6 4 4.8 5 5.4
9 1 73.2 2 5.8 3 10.4 4 5.0 5 5.6
10 1 77.9 2 3.8 3 9.0 4 2.2 5 6.8
迟到缺勤在各阶段的可能取值分布
阶段 取值1 比例/％ 取值2 比例/％ 取值3 比例/％ 取值4 比例/％ 取值5 比例/％
2 1 20.4 2 79.6 3 0.0 4 0.0 5 0.0
3 1 16.8 2 53.0 3 30.2 4 0.0 5 0.0
4 1 14.2 2 26.2 3 39.4 4 20.2 5 0.0
5 1 12.0 2 15.4 3 28.0 4 33.6 511.0
6 1 11.4 2 9.0 3 18.0 4 25.4 536.2
7 1 10.8 2 5.6 3 13.4 4 14.2 556.0
8 1 11.0 2 3.8 3 9.2 4 8.8 567.2
9 1 10.0 2 3.1 3 6.6 4 6.8 573.4
10 1 9.0 2 2.4 3 6.2 4 4.2 577.9
平均人际干扰0.7851平均人际调解0.7066平均工作干扰0.7537平均工作支持0.674
通过以上分析可以看出，尽管人群系统中存在不确定的非线性作用和反馈，使用定性模拟方法仍可以对其活动过程和主要行为进行研究。其中，行为变化的不确定性通过后续状态的不同分支表现出来，模拟的阶段越多，其后续状态的分支也越多。从理论上说，由于定性模拟是建立在信息不完备基础上的，以此来推导系统状态的变化当然会产生很多分支。从实践上说，人群本身就是一个不稳定的系统，群体内部的相互作用也会造成群体行为的波动。
4 应用
假定某企业中的一个群体，承担一个项目中的部分工作，这部分工作属于一般偏难。在任务未完成前按照约定的基本工资付酬，奖金根据项目的效益最后进行分配。群体中的大部分人相互认识但关系一般。通过访谈和问卷调查等方式对群体的状态进行测评，总体状态为一般。针对这样一个群体，不同的环境和管理策略对群体工作状态会产生什么影响呢？我们应用上述方法对4种情况进行模拟分析。
4.1 模拟分析之一
假定群体人际干扰和工作干扰的强度总体较低，实际平均取值分别为0.89和1.05，人际调解和工作支持的强度总体上也较低，实际平均取值分别为0.88和0.84，领导处理问题比较理智，重视人际关系不重视工作，模拟结果见表5。从结果来看，群体基本上是向好的方向发展。从总体上分析，由于领导重视人际关系，所以人际调解的值比人际干扰大，而工作支持比工作干扰略小，但差别非常不明显。虽然领导对工作不够重视，但他是属于理智型的，因此，他在任务进展缓慢时仍然会采取一些措施，使其不至于降到很低。
表5 模拟结果一
定性 人际
群体群体
工作 任务工作
迟到 离群
值
和谐 凝聚力 功效感 努力 进展
满意度 缺勤 倾向
1
0.000
0.015 0.014 0.013 0.001 0.004 0.801 0.856
2
0.012
0.115 0.017 0.038 0.007 0.013 0.059 0.101
3
0.316
0.297 0.061 0.104 0.064 0.044 0.089 0.025
4
0.632
0.386 0.178 0.196 0.118 0.089 0.027 0.013
5
0.040
0.187 0.730 0.659 0.810 0.850 0.024 0.005
4.2 模拟分析之二
群体人际干扰的实际平均取值为0.90，工作干扰的实际平均取值为0.91，人际调解的实际平均取值为1.3，工作支持的实际平均取值为0.38，领导处理问题比较情绪化，重视人际关系不重视工作，模拟结果见表6。从结果来看，群体的发展方向不一致。从总体上看，群体即有可能向好的方向发展，也有可能向差的方向发展，但前者的可能性较后者大。
表6 模拟结果二
定性 人际
群体群体工作任务工作迟到离群
值
和谐 凝聚力 功效感
努力进展
满意度
缺勤倾向
1
0.004
0.027
0.148
0.157
0.321
0.263
0.533
0.560
2
0.027
0.053
0.093
0.099
0.054
0.081
0.044
0.100
3
0.094
0.102
0.140
0.158
0.117
0.148
0.096
0.074
4
0.241
0.178
0.122
0.158
0.105
0.119
0.025
0.177
5
0.634
0.640
0.497
0.428
0.403
0.389
0.302
0.089
4.3 模拟分析之三
群体人际干扰的实际平均取值为0.89，工作干扰的实际平均取值为0.89，人际调解的实际平均取值为0.88，工作支持的实际平均取值为0.97，人际干扰略高于人际调解，工作支持略高于工作干扰，领导处理问题比较理智，重视工作不重视人际关系，模拟结果见表7。从总体上看，不利因素和有利因素都较低，二者的作用基本抵消。因此，外界因素不是影响群体变化的主要因素，而群体自身发展的结果是不断变差。
表7 模拟结果三
定性 人际
群体群体工作任务工作迟到离群
值
和谐 凝聚力 功效感
努力进展
满意度
缺勤倾向
1
0.002
0.095
0.383
0.361
0.220.395
0.172
0.229
2
0.299
0.302
0.170
0.166
0.252
0.181
0.084
0.105
3
0.636
0.433
0.251
0.326
0.348
0.228
0.087
0.142
4
0.062
0.164
0.137
0.108
0.117
0.117
0.081
0.380
5
0.001
0.006
0.059
0.039
0.063
0.079
0.576
0.144
4.4 模拟分析之四
群体人际干扰的实际平均取值为0.90，工作干扰的实际平均取值为0.9，人际调解的实际平均取值为0.87，工作支持的实际平均取值为0.93，人际干扰略高于人际调解，工作支持略高于工作干扰，领导对人际关系和工作都不重视，模拟结果见表8。从结果来看，同情况一基本相同，群体状态变差的可能性大一些。
表8 模拟结果四
定性 人际
群体群体工作任务工作迟到离群
值
和谐 凝聚力 功效感
努力进展
满意度
缺勤倾向
1
0.001
0.105
0.418
0.381
0.218
0.436
0.151
0.194
2
0.284
0.308
0.161
0.202
0.267
0.158
0.049
0.076
3
0.634
0.420
0.266
0.303
0.386
0.262
0.078
0.144
4
0.081
0.162
0.114
0.084
0.086
0.093
0.077
0.424
5
0.000
0.005
0.041
0.003
0.043
0.051
0.645
0.162
对上述4种模拟结果进行比较，可以看出，状态一般的群体，如果其所处的环境也一般，那么它的发展呈多样化。有些情况下向好的方向发展可能性大，有些情况下向差的方向发展可能性大，这与具体的环境和领导特征及管理策略有关。比较情况一和情况二的模拟结果可以看出，理智型领导比情绪型领导好，比较情况四和其它3种情况可以看出，无论领导是以关心人为主还是以关心工作为主，都比什么都不关心要好得多。
5 结论
复杂系统是一个处于不断演化的动态系统。对于任何一个开放的动态系统来说，系统平衡状态总是相对的和有条件的。而对于以人的活动为主的人群系统，由于受情绪、认知等主观因素的影响，系统会变得更为复杂，因此，对复杂管理系统的深入研究，需要解决系统构成的不精确性和系统信息的不充分性问题。而传统的计算机模拟和新兴的智能模拟方法，实质上都是将系统内部结构表述为精确的数学方程，通过求解方程组来获得系统的行为描述。这些行为描述能给出状态变量在给定时间点上的精确数值，但在实际应用中却往往存在困难：①当系统过于复杂或知识不完备时，人们无法构造出系统的精确模型。有关客观对象的知识和数据中有很大一部分是符号化或自然语言化的，具有模糊性和不确定性，一般很难量化，即使人为量化，也不适于特定的研究。②受计算机性能和现有方法的限制，定量方法对复杂系统的建模和模拟需占用大量的计算机时间和人力，而且也难以实现对动态系统的实时模拟。实际系统中人们往往不需要也不可能获得精确完整的数值信息，仅仅对有关系统参数的一些本质的定性知识感兴趣。定性模拟可以将人的常识和专家知识与系统有效地结合起来，在对系统抽象的同时也对时间信息进行抽象，运用定性知识描述系统结构，通过因果推理获得系统行为，从而实现对复杂系统的模拟。这一方法为复杂管理系统的深入研究提供了一个虚拟实验工具。